@MASTERSTHESIS{ 2015:1431238748,
 	title = {Influência de configurações amostrais na qualidade de estimação espacial sob o uso de modelos espaciais bivariados},
 	year = {2015},
 	url = "http://tede.unioeste.br:8080/tede/handle/tede/2662",
 	abstract = "Estudos da variabilidade espacial do solo estão baseados na geoestatística, que se apresenta como um método cujos dados provêm de fenômenos naturais e que consideram a localização geográfica do fenômeno. Se numa área em estudo o pesquisador tem interesse em pesquisar a variabilidade das variáveis e se há evidências que os passos que descrevem a estrutura espacial dessas variáveis não são independentes pode-se propor o estudo de um modelo geoestatístico bivariado. Este trabalho concentrou-se em avaliar a influência da variação dos parâmetros do modelo bivariado com componente de correlação parcialmente comum (bivariate Gaussian common component model   BGCCM) no cálculo do coeficiente de correlação linear de Pearson e analisar a influência que tamanhos e configurações amostrais podem apresentar na estimação do modelo BGCCM e na predição espacial de variáveis em localizações não amostradas. Além disso, para amostras co-locadas, construíram-se os semivariogramas cruzados e comparou-se com o modelo univariado e BGCCM, em relação às estimativas do modelo e as medidas associadas à predição espacial. Para isso, essas metodologias foram aplicadas em conjuntos de dados simulados e dados experimentais, provenientes de uma propriedade agrícola. O estudo de simulação da análise da influência da variação dos parâmetros do modelo bivariado BGCCM no cálculo do coeficiente de correlação linear de Pearson entre as variáveis descritas do modelo bivariado BGCCM revelou que o coeficiente de correlação linear de Pearson não pode ser considerado na tomada de decisão quanto à presença de dependência espacial conjunta entre pares de variáveis. No estudo com simulações observou-se que as maiores diferenças das medidas de acurácia e da soma quadrada da diferença entre as predições espaciais ocorreram quando se comparou os modelos univariado e semivariograma cruzado com o BGCCM. Ainda no estudo de simulação observou-se que para os dados balanceados as malhas regular e irregular apresentaram melhor eficiência quanto à predição espacial. O estudo com dados reais mostrou que, sob a abordagem do modelo BGCCM, observou-se a presença de dependência espacial principalmente entre pH e Mn para dados co-locados e balanceados do ano agrícola 2010/2011; e entre as variáveis dentro dos seguintes pares: (Prod, RSP0-10), (Prod, RSP11-20), (Prod, RSP21-30) e (Prod, Mn) para dados co-locados e balanceados do ano agrícola 2013/2014; e (Prod, RSP11-20) e (Prod, RSP21-30) para dados co-locados e desbalanceados do ano agrícola 2013/2014. Ainda considerando o estudo com dados reais comparando os modelos univariado, semivariograma cruzado e BGCCM, mostraram diferenças na soma quadrada da diferença da predição e nas medidas acurácia, tanto para dados balanceados como para os desbalanceados. No entanto, considerando os dados reais e a amostra controle, a qualidade da predição espacial usando o modelo BGCCM se mostrou ineficiente quando comparada com a qualidade obtida na predição espacial usando o modelo univariado. Porém, esse resultado pode ter sido influenciado pela escolha da configuração amostral utilizada.",
 	publisher = {Universidade Estadual do Oeste do Parana},
 	scholl = {Programa de Pós-Graduação "Stricto Sensu" em Engenharia Agrícola},
 	note = {Engenharia}
}